事業会社における機械学習・推薦システム技術の活用事例と必要な能力 / ml-recsys-in-layerx-wantedly-2023

Slide 1

Slide 1 text

事業会社における機械学習・推薦システム技術の活用事例と必要な能力 9.May.2023 兵庫県立大学社会データ分析松村優也株式会社LayerX ML Team Manager / ウォンテッドリー株式会社機械学習領域技術顧問 LayerXとウォンテッドリーを例に

Slide 2

Slide 2 text

Confidential © 2023 LayerX Inc. 2 画像を入れてね自己紹介松村優也（Yuya Matsumura） - 2018/3 - 京都大学大学院情報学研究科修士課程修了 - 現在 - 株式会社LayerX ML/OCR Team Manager - ウォンテッドリー株式会社技術顧問 - その他、大学にて非常勤講師やスタートアップの技術支援等共著『推薦システム実践入門』 @yu___ya4 @yu-ya4

Slide 3

Slide 3 text

LayerXについて

Slide 4

Slide 4 text

© 2023 LayerX Inc. 4 会社概要すべての経済活動を、デジタル化する。 ※ 一部抜粋会社名代表取締役創業従業員数資本金事業概要関連会社お取引先 (一部) 株式会社LayerX（レイヤーエックス）代表取締役CEO 福島良典　代表取締役CTO 松本勇気 2018年 8月1日 149名（2023年1月現在） 86億円(資本準備金含む）バクラク(SaaS)事業、Fintech事業、Privacy Tech事業三井物産デジタル・アセットマネジメント（三井物産、LayerX、三井住友信託銀行、SMBC日興証券、JA三井リース、イデラキャピタルマネジメントによる合弁会社）

Slide 5

Slide 5 text

Slide 6

Slide 6 text

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Slide 9

Slide 9 text

圧倒的に使いやすいプロダクトでわくわくする働き方を。企業活動を支えるコーポレート業務は、ミスができない難しい業務。バクラクはそんな業務の負担を少しでも軽くし、日常の業務がわくわくするような体験を届けます。使いやすさへの圧倒的なこだわりと、深い顧客理解で業務効率化を実現。手作業、ハンコ、紙のやり取りから脱却し、事業と組織を支える本来の仕事に向き合えるようサポートします。

Slide 10

Slide 10 text

© 2023 LayerX Inc. 10 法人支出管理(BSM)SaaS「バクラク」を展開 * 経費精算のSlack連携は申請内容の通知のみ稟議・支払申請・経費精算・ワークフロー・AIが領収書を５秒でデータ化・承認はチャットアプリから・シームレスな内部統制構築仕訳・支払処理効率化・AIが請求書を５秒でデータ化・仕訳データを自動学習、手入力ゼロへ・改正電子帳簿保存法に対応・利用料無料・即時追加発行・最大1億円決済可能法人向けクレジットカード・無料で始められる・手入力ゼロで証憑管理・改正電子帳簿保存法に対応帳票保存・ストレージバクラクでは AI-OCR 機能をはじめ、機械学習がコア技術として活用されています

Slide 11

Slide 11 text

Confidential © 2023 LayerX Inc. 11 法人の支出管理の流れとよくある課題請求書処理や経費精算は、「紙」が多く、「手作業」も多い、最もアナログな領域の一つ - 紙でのやりとりが中心で、手入力や目視でのチェックが多く、ミスも発生しやすい。 - 複数のサービス間でデータが連携されずに、確認工数が増加しやすい。回収稟議承認データ入力仕訳/支払データ作成支払保管/税務・監査対応会計ソフト反映「手入力だ大変」「記入ミスで手戻り」「承認し忘れる」「承認が多く大変」「手入力が多い」「ミス・手戻りが多い」「仕訳作成/確認が大変」「支払データ作成が大変」「属人性が高い」「データ転記が発生」「同じ情報を何度も手入力目視チェックが大変」「紙で保管、共有が大変」「税務・監査対応。過去データを出すのが大変」現場・全社の課題経理の課題経理/総務の課題「請求書が来ない」「領収書がない」

Slide 12

Slide 12 text

Confidential © 2023 LayerX Inc. 12 手作業が多くなりがちな支出管理業務のデジタル化を一気通貫でサポート管理部門だけでなく、現場社員からも喜ばれる圧倒的な使いやすさにこだわっているため、 ITツールが苦手な方でも安心してご利用いただけます。現場・全社の課題を解決経理の課題を解決経理/総務の課題を解決回収稟議承認データ入力仕訳/支払データ作成支払保管/税務・監査対応会計ソフト反映デジタル受け取り自動受け取りスマホ　・　Slack AI OCR 自動入力 API連携　・　自動出力クラウド管理　・　電子帳簿保存

Slide 13

Slide 13 text

Slide 14

Slide 14 text

No content

Slide 15

Slide 15 text

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Slide 18

Slide 18 text

LayerX LLM Labs

Slide 19

Slide 19 text

Confidential © 2023 LayerX Inc. 19 LayerX LLM Labsについて LayerXでの大規模言語モデル専任チーム今後の取り組み・LayerXおよび三井物産デジタル・アセットマネジメントにおけるLLM活用のフィードバック・LayerXが展開する支出管理サービス「バクラク」へのLLMの導入検証・LLMを活用した新規事業の検討・探索・LLMに関する勉強会コミュニティの運営・ブログや論文などを通じた情報発信　等

Slide 20

Slide 20 text

Slide 21

Slide 21 text

Slide 22

Slide 22 text

Slide 23

Slide 23 text

Slide 24

Slide 24 text

© 2023 LayerX Inc. 24 あらゆる人が機械学習や推薦システムについて学ぶ意義 ● 昨今のChatGPTをはじめとした大規模言語モデルの潮流による社会応用の急進プロダクトの利用者側としては確実に関わる（LLMの例） https://aichat-line.studio.site/ai_chat https://www.notion.so/ja-jp/help/guides/notion-ai-for-docs https://prtimes.jp/main/html/rd/p/000000221.000036528.html https://about.mercari.com/press/news/articles/20230501_generativeai/

Slide 25

Slide 25 text

© 2023 LayerX Inc. 25 あらゆる人が機械学習や推薦システムについて学ぶ意義 ● Netflix は動画視聴の75%が推薦経由 ● TikTok はレコメンド（推薦システム）をユーザー体験の中心と位置づけ、ユーザー向けの製品ページにレコメンドの仕組みについての説明を掲載プロダクトの利用者側としては確実に関わる（推薦システムの例） https://netflixtechblog.com/netflix-recommendations-beyond-the-5-stars-part-1-55838468f429 We have adapted our personalization algorithms to this new scenario in such a way that now 75% of what people watch is from some sort of recommendation. https://newsroom.tiktok.com/ja-jp/how-tiktok-recommends-videos

Slide 26

Slide 26 text

Slide 27

Slide 27 text

© 2023 LayerX Inc. 27 あらゆる人が機械学習や推薦システムについて学ぶ意義 ● 書籍を買う際はできるだけ Amazon を利用する。他人へプレゼントする場合は Amazon 以外で購入する。 ● コンテンツにフィードバック（点数、Good or Bad…）できる場合はつける。仕組みを知ることでより恩恵を受けられるように行動できる https://www.amazon.co.jp/ https://news.google.com/

Slide 28

Slide 28 text

© 2023 LayerX Inc. 28 あらゆる人が機械学習や推薦システムについて学ぶ意義 ● どんなデータがどのように活用されているかはプロダクトごとに公開 ● 実際に利用されているデータを開示できるプロダクトも ● おすすめのアルゴリズムに使用されたくない過去の購入品を選択仕組みを知ることでデータをマネジメントして不利益を避ける https://service-terms.wantedly.com/privacy_policy/ja_JP https://www.netflix.com/account/getmyinfo https://www.amazon.co.jp/gp/yourstore/iyr?collection=purchase d&ref_=pd_ys_iyr_nort

Slide 29

Slide 29 text

© 2023 LayerX Inc. 29 （再掲）本日のお話しの目的 ● みなさんが学問として学んでいる機械学習や推薦システムという技術が事業会社においてどう活用されているのかを知ることで、それらが自分たちに関係のあるもので、学ぶ意義のあるものだと感じてほしい。 ● それらを活用するデータサイエンティストや機械学習エンジニアという職種に興味を持っていただき、より深く知る・考えるきっかけになってほしい。

Slide 30

Slide 30 text

Slide 31

Slide 31 text

Slide 32

Slide 32 text

Slide 33

Slide 33 text

© 2023 LayerX Inc. 33 バクラク請求書請求書読み取り機能が解決したい課題 ● 請求書に記入されている項目（支払期日や支払金額、取引先名など）を目視で確認して、ミスなく入力・管理することはとても負荷の高い仕事 ○ 対応する枚数が数十、数百枚と増えるにつれてミスが起こりやすい ○ 帳票のフォーマットが多種に渡り読み取ることが単純に大変 ○ ミスは許されないためダブルチェック等確認作業にもコストがかかってしまう受けとった請求書を手入力でデータ化するという負荷の大きい作業をバクラクにする

Slide 34

Slide 34 text

Slide 35

Slide 35 text

Slide 36

Slide 36 text

© 2023 LayerX Inc. 36 （正解データのある）大量のデータが得られる機械学習は、大量のデータから自動でルールを学習するデータが十分にないとルールを学習できなかったり（未学習）、学習データのみに適合してしまう（過学習） ● 今あるのか？今はなくともこれからたまる仕組みがあるのか？ ● データは使える程度にはキレイか、開発に際してアクセス可能な状態か？ ● 教師あり学習を行う場合は、正解データも十分に得られるか? ○ アノテーションを行う必要があるなら、その仕組みや体制は整っているか？

Slide 37

Slide 37 text

© 2023 LayerX Inc. 37 （正解データのある）大量のデータが得られる機械学習は、大量のデータから自動でルールを学習するデータが十分にないとルールを学習できなかったり（未学習）、学習データのみに適合してしまう（過学習） ● 今あるのか？今はなくともこれからたまる仕組みがあるのか？ → 今もあるし（月次数百億円規模の請求書）、これからも増えていくであろう。 ● データは使える程度にはキレイか、開発に際してアクセス可能な状態か？　→整備されており、適切な情報・権限管理のもと一部の開発者はアクセス可能 ● 教師あり学習を行う場合は、正解データも十分に得られるか? → サービスが利用されると正解データであるユーザーの入力値がたまっていく。 ○ アノテーションを行う必要があるなら、その仕組みや体制は整っているか？　　　　　→ 別途アノテーション用の基盤システムや、組織が整備されている。 https://note.com/fukkyy/n/nf00ddb836a03 の場合

Slide 38

Slide 38 text

Slide 39

Slide 39 text

© 2023 LayerX Inc. 39 扱うデータが十分に複雑である機械学習は、複雑で人間が記述することが難しいルールを見つけ出すのが得意単純なデータであれば、人手でルールを記述する（一般的なプログラミング）ので十分なことも。 ● ルールが複雑（難解・大量）で人手で記述することが困難か？ ○ Fizz Buzz に機械学習を用いることもできるが、そのコストを事業上許容できるかというと... ● データの扱いが難しいか？ ○ めちゃくちゃたくさんのカラムがある表データ ○ 自然言語や画像、音声などの非構造化データ

Slide 40

Slide 40 text

© 2023 LayerX Inc. 40 扱うデータが十分に複雑である機械学習は、複雑で人間が記述することが難しいルールを見つけ出すのが得意単純なデータであれば、人手でルールを記述する（一般的なプログラミング）ので十分なことも。 ● ルールが複雑（難解・大量）で人手で記述することが困難か？ → 世の中には様々な請求書のパターンが存在しており、かつ、ユーザーの運用もそれぞれで複雑である。 ● データの扱いが難しいか？ → 非構造化データである画像ファイルやPDF形式の請求書を扱う必要がある。の場合

Slide 41

Slide 41 text

Slide 42

Slide 42 text

© 2023 LayerX Inc. 42 データの特性が変化し続ける機械学習は、データの特性が変わっても再学習することで自動で新しいルールを更新できる変化し続けるルールを人手で更新し続けるのは困難。変化しないなら気合いですべて記述してしまう手も？ ● ユーザーの性質は変化するか？ ○ プロダクト規模の拡大により、異なるセグメントのユーザーが利用するようになったり ○ 同一ユーザーでも時間の流れとともに嗜好が変わったり ● 世の中の状況の変化にプロダクトは影響を受けるか？ ○ 法改正・流行の変化・景気・パンデミック...

Slide 43

Slide 43 text

© 2023 LayerX Inc. 43 データの特性が変化し続ける機械学習は、データの特性が変わっても再学習することで自動で新しいルールを更新できる変化し続けるルールを人手で更新し続けるのは困難。変化しないなら気合いですべて記述してしまう手も？ ● ユーザーの性質は変化するか？　→ どんどんいろんな規模や業界の企業さまにご利用いただいていっている。企業さまにより、利用している請求書のフォーマットは様々である。 ● 世の中の状況の変化にプロダクトは影響を受けるか？ → 「インボイス制度」により、読み取ることのできるべき請求書の項目が増加。 → コロナ禍による在宅勤務が進んだ影響などで、副業を行う個人事業主が増加。の場合

Slide 44

Slide 44 text

Slide 45

Slide 45 text

Slide 46

Slide 46 text

Slide 47

Slide 47 text

Slide 48

Slide 48 text

Slide 49

Slide 49 text

Slide 50

Slide 50 text

Slide 51

Slide 51 text

Slide 52

Slide 52 text

Slide 53

Slide 53 text

© 2023 LayerX Inc. 53 1. プロダクト上の問題発見・認識可能ならばある程度の大きさの粒度に落とし込むユーザーから会社への月間応募数10万ユーザーから会社への月間応募数8万理想・目標現状月間応募数が2万少ない ↓ 新規ユーザによる月間応募数が1.5万少ないギャップ = 問題 ● 大き過ぎ→原因特定が難化したり、解決策が汎用的になり過ぎインパクトが小さく ● 小さ過ぎ→解決策が特殊になり過ぎてインパクトが小さく

Slide 54

Slide 54 text

Slide 55

Slide 55 text

© 2023 LayerX Inc. 55 2. 問題の原因特定問題がなぜ起きているかを定量・定性アプローチで特定 ● 定量：アンケート、ユーザデータや行動ログの分析 etc. ● 定性：ユーザインタビュー、SNSエゴサ、市場調査、ユーザとして自社サービスを使ってみる、競合サービスを使ってみる、これまで培われた経験 etc. 新規ユーザによる月間応募数が1.5万少ないギャップ = 問題問題の原因（候補） ● 登録直後に推薦される会社が微妙 ● 登録フローが少し分かりにくい ● 競合サービスがキャンペーンを実施

Slide 56

Slide 56 text

© 2023 LayerX Inc. 56 2. 問題の原因特定定量アプローチと定性アプローチを補完し合うことで特定した原因の確度を高める新規ユーザによる月間応募数が1.5万少ないギャップ = 問題 ● 定量→定性：行動ログを分析して知り得た事実をユーザインタビューを実施して確認 ● 定性→定量：SNSに投稿されていて知り得た事実を実際の行動ログを分析して確認問題の原因（候補） ● 登録直後に推薦される会社が微妙 ● 登録フローが少し分かりにくい ● 競合サービスがキャンペーンを実施

Slide 57

Slide 57 text

© 2023 LayerX Inc. 57 2. 問題の原因特定解決した際のインパクト（広さ×深さ）や解決可能性の高いものを優先新規ユーザによる月間応募数が1.5万少ないギャップ = 問題 ● 登録フローは簡単に修正できるがあまりインパクトがなさそう... ● 競合のキャンペーン実施自体はどうしようもないし一過性のものだし... ● 行動ログのある既存ユーザーへのパーソナライジングした推薦は取り組んできたが新規ユーザーへの推薦はまだ改善余地がありそう！（コールドスタート問題）問題の原因 ● 登録直後に推薦される会社が微妙 ● 登録フローが少し分かりにくい ● 競合サービスがキャンペーンを実施

Slide 58

Slide 58 text

Slide 59

Slide 59 text

Slide 60

Slide 60 text

© 2023 LayerX Inc. 60 3. 解くべき課題の定義・解決策の立案インパクトやコスト、原因解消の確度などの観点から取り組むものを選択 ● 手動で選ぶ運用を続けるのはコストが高すぎる... ● 様々なユーザーがいる中で画一的な人気順では一部にしか刺さらずインパクトが... 課題・解決策 ● 登録直後には手動で選んだいい感じの会社を推薦 ● 登録直後にはサービス内で人気な順で会社を推薦 ● 登録時の入力情報を増やすことで、登録直後でもユーザの嗜好に合った会社を推薦問題の原因登録直後に推薦される会社が微妙

Slide 61

Slide 61 text

© 2023 LayerX Inc. 61 3. 解くべき課題の定義・解決策の立案課題が解決され、問題の原因が解消された状態を言語化 ● ここが曖昧だと、解決策を実行した際に問題の原因が解消されたのか判断できなく ● トレードオフがある場合は同時に言語化課題・解決策登録時の入力情報を増やすことで、登録直後でもユーザの嗜好に合った会社を推薦問題の原因登録直後に推薦される会社が微妙新規ユーザによる月間応募数が1.5万少ないギャップ = 問題 ● 登録直後に応募するユーザ数が20%以上増加する ● 新規ユーザによる月間応募数が0.5万以上増加する ● 登録時の情報入力画面で離脱するユーザが10%以上増加しない問題の原因が解消された状態

Slide 62

Slide 62 text

Slide 63

Slide 63 text

© 2023 LayerX Inc. 63 4. 課題解決・解決策の実行機械学習や推薦システムといった技術を駆使し、UXも考えてプロダクトに組み込む ● 手段を目的化しない（最新の技術を使うことを目的とするとか） ● 最初からコストをかけ過ぎず、妥当な実現方法を模索 ● UX重要。使われないと価値が届かない。（精度はいいが推論が遅すぎるとか）課題・解決策登録時の入力情報を増やすことで、登録直後でもユーザの嗜好に合った会社を推薦

Slide 64

Slide 64 text

Slide 65

Slide 65 text

Slide 66

Slide 66 text

© 2023 LayerX Inc. 66 5. 評価プロジェクトのゴールとなる「問題の原因が解消された状態」に沿った評価を実施 ● 機能を作る、推薦アルゴリズムをリリースすることが目的ではない。 ● オフライン評価→オンライン評価という順に実施 ● 登録直後に応募するユーザ数が20%以上増加する ● 新規ユーザによる月間応募数が0.5万以上増加する ● 登録時の情報入力画面で離脱するユーザが10%以上増加しない問題の原因が解消された状態

Slide 67

Slide 67 text

© 2023 LayerX Inc. 67 5. 評価オフライン評価：過去データに基づき、オンライン評価に回していい品質かどうか検証 ● 定量：定めた評価指標が定めた基準以上改善しているか確認 ○ 最重要な指標（応募数）以外のプロダクト的に重要な指標も確認（ユーザに推薦される企業の多様性、応募するユーザー数、ユーザーへの表示速度...） ● 定性：実際にユーザに表示される推薦結果をいくつか目で見て確認 ○ ここで思いがけない考慮漏れが見つかることも ● 品質が足りない場合は「4. 課題解決・解決策の実行」に戻って品質向上に向けて再チャレンジ

Slide 68

Slide 68 text

© 2023 LayerX Inc. 68 5. 評価オンライン評価：（一部の）ユーザに実際にリリースして問題の原因が解消されるか検証 ● AB テスト、Interleaving などの手法を利用 ● オフライン評価と同様に定量・定性の両面で確認 ● 品質が足りない場合は「4. 課題解決・解決策の実行」に戻って品質向上に向けて再チャレンジ、あるいは仮説が正しくなく方針転換が必要な場合は「3. 課題定義・解決策の立案」からやり直す

Slide 69

Slide 69 text

Slide 70

Slide 70 text

© 2023 LayerX Inc. 70 6. 運用評価の工程で品質を確認できたらいよいよ全体に適用したリリース・運用を開始 ● 「問題の原因が解消された状態」となっているか必ず確認 ○ オンラインテストはあくまでオンラインテストなので、全体適用時とは異なる動きをする可能性も。 ● 継続的なモニタリングを必ず実施 ○ 機械学習を用いる際は、学習ログや予測結果の評価値なども継続的に確認する。データの傾向が変わることで気づいたら学習がうまくいかなくなっていることなどもしばしば。

Slide 71

Slide 71 text

Slide 72

Slide 72 text

Slide 73

Slide 73 text

Slide 74

Slide 74 text

Slide 75

Slide 75 text

Slide 76

Slide 76 text

Slide 77

Slide 77 text

Slide 78

Slide 78 text

Slide 79

Slide 79 text

Slide 80

Slide 80 text

Slide 81

Slide 81 text

Slide 82

Slide 82 text

© 2023 LayerX Inc. 82 コードを書いたり論文を読んで（高度な）推薦アルゴリズムを実装する能力 1. プロダクト上の問題発見・認識 2. 問題の原因特定 3. 解くべき課題の定義・解決策の立案 4. 課題解決・解決策の実行 5. 評価 6. 運用主に「4. 課題解決・解決策の実行」でめちゃくちゃ活躍する。そもそも実現できる能力がなければ問題解決なんてできない。ので当たり前にめちゃくちゃ重要だが...

Slide 83

Slide 83 text

Slide 84

Slide 84 text

© 2023 LayerX Inc. 84 正解がない問題を皆が納得する形で解決できる形にする能力 1. プロダクト上の問題発見・認識 2. 問題の原因特定 3. 解くべき課題の定義・解決策の立案 4. 課題解決・解決策の実行 5. 評価 6. 運用主に 1-3 の過程でめちゃくちゃ重要そもそも解決可能な形にする能力がなければ問題解決なんてできない。不適切な課題定義はプロダクトを誤った方向に進めてしまう。

Slide 85

Slide 85 text

© 2023 LayerX Inc. 85 正解がない問題を皆が納得する形で解決できる形にする能力 1. プロダクト上の問題発見・認識 2. 問題の原因特定 3. 解くべき課題の定義・解決策の立案 4. 課題解決・解決策の実行 5. 評価 6. 運用主に 1-3 の過程でめちゃくちゃ重要そもそも解決可能な形にする能力がなければ問題解決なんてできない。不適切な課題定義はプロダクトを誤った方向に進めてしまう。特に学生のうちにこちらにも向き合ってほしい

Slide 86

Slide 86 text

© 2023 LayerX Inc. 86 正解がない問題を皆が納得する形で解決できる形にする能力 ● めちゃくちゃ重要だけどめちゃくちゃ難しい（十分にできる人は稀少） ○ 論理的思考力・水平思考力・批判的思考力・洞察力・俯瞰力・応用力などなどの総合格闘技 ● 問題解決のプロセスを繰り返して身につけるしかない ● きちんとした問題解決の機会は少ない（よほど普段から意識しないと） ● フィードバックの機会も少なく、自分のやり方が正しいかも分からない 1. プロダクト上の問題発見・認識 2. 問題の原因特定 3. 解くべき課題の定義・解決策の立案 4. 課題解決・解決策の実行 5. 評価 6. 運用

Slide 87

Slide 87 text

© 2023 LayerX Inc. 87 正解がない問題を皆が納得する形で解決できる形にする能力 ● めちゃくちゃ重要だけどめちゃくちゃ難しい（十分にできる人は稀少） ○ 論理的思考力・水平思考力・批判的思考力・洞察力・俯瞰力・応用力などなどの総合格闘技 ● 問題解決のプロセスを繰り返して身につけるしかない ● きちんとした問題解決の機会は少ない（よほど普段から意識しないと） ● フィードバックの機会も少なく、自分のやり方が正しいかも分からない 1. プロダクト上の問題発見・認識 2. 問題の原因特定 3. 解くべき課題の定義・解決策の立案 4. 課題解決・解決策の実行 5. 評価 6. 運用研究のプロセスに完全に一致

Slide 88

Slide 88 text

© 2023 LayerX Inc. 88 正解がない問題を皆が納得する形で解決できる形にする能力 ● 松村は学生時代（特に修士課程）における研究活動によってこの能力がある程度身についたと考えている ● 学生時代の研究ほど一つの正解のない問題について深く・長く考える機会はなかなかない ● しかも超優秀な先生方のご指導付き ● 社会人になってから身につけようとするとけっこう大変なので、学生時代の研究活動を一生懸命行うことをとてもおすすめします

Slide 89

Slide 89 text

© 2023 LayerX Inc. 89 正解がない問題を皆が納得する形で解決できる形にする能力 ● 松村は学生時代（特に修士課程）における研究活動によってこの能力がある程度身についたと考えている ● 学生時代の研究ほど一つの正解のない問題について深く・長く考える機会はなかなかない ● しかも超優秀な先生方のご指導付き ● 社会人になってから身につけようとするとけっこう大変なので、学生時代の研究活動を一生懸命行うことをとてもおすすめします ※私は先生の回し者ではありません

Slide 90

Slide 90 text

Slide 91

Slide 91 text

© 2023 LayerX Inc. 91 （再々掲）本日のお話しの目的 ● みなさんが学問として学んでいる機械学習や推薦システムという技術が事業会社においてどう活用されているのかを知ることで、それらが自分たちに関係のあるもので、学ぶ意義のあるものだと感じてほしい。 ● それらを活用するデータサイエンティストや機械学習エンジニアという職種に興味を持っていただき、より深く知る・考えるきっかけになってほしい。